买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉常州大学申请的专利基于类型线索相关性指导的显著目标检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117011602B 。

龙图腾网通过国家知识产权局官网在2025-08-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310958480.1，技术领域涉及：G06V10/764；该发明授权基于类型线索相关性指导的显著目标检测方法及系统是由刘毅;陶鑫;周凌;蒋广琪;官威;徐守坤设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本基于类型线索相关性指导的显著目标检测方法及系统在说明书摘要公布了：本发明涉及图像处理技术领域，尤其涉及基于类型线索相关性指导的显著目标检测方法及系统，包括利用HRNet主干对待检测图像进行深度特征提取；将上下文信息特征图分别输入卷积神经网络和胶囊网络，获得对比度显著性预测结果和部件‑整体关系显著性预测结果；进行对比度显著性预测结果和部件‑整体关系显著性预测结果的水平方向和垂直方向投票矩阵计算以改进显著性先验；将对比度线索类型相关的显著性预测和部件‑整体关系相关的显著性预测进行融合；运用交叉熵误差函数和边界误差函数联合训练双分支目标检测网络。本发明解决现有方法缺乏融合对比线索和部件‑整体关系后的指导，具有更好的检测性能，可用于计算机视觉中图像的检测和识别过程。

本发明授权基于类型线索相关性指导的显著目标检测方法及系统在权利要求书中公布了：1.基于类型线索相关性指导的显著目标检测方法，其特征在于，包括以下步骤： 步骤一、利用HRNet主干对待检测图像进行深度特征提取； 步骤一具体包括： 将三通道RGB图像输入HRNet主干，提取多尺度和高分辨率的特征，并将特征输入具有不同扩张率的空洞空间金字塔池化模块，得到包含上下文信息特征图； 步骤二、将上下文信息特征图输入卷积神经网络，获得对比度显著性预测结果； 步骤三、将上下文信息特征图输入胶囊网络，获得部件-整体关系显著性预测结果； 步骤四、进行对比度显著性预测结果和部件-整体关系显著性预测结果的水平方向和垂直方向投票矩阵计算； 步骤五、将对比度线索类型相关的显著性预测和部件-整体关系相关的显著性预测进行融合； 步骤四具体包括： 步骤41、计算F CS 和F PO 在水平维度垂直维度的空间相关性； 水平维度的空间相关性的公式为： （1） 垂直维度的空间相关性公式： （2） 其中，是水平特征运算结果矩阵，F CS 为对比度显著性预测结果，F PO 为部件-整体关系显著性预测结果； 步骤42、计算对比度显著性预测结果和部件-整体关系显著性预测结果的先验一致性，公式为： （3） 其中，和分别是对比度显著性预测结果和部件-整体关系显著性预测结果的先验一致性； 步骤43、计算对比度显著性预测结果和部件-整体关系显著性预测结果的显著性预测，公式为： ⊙（4） ⊙ 其中，⊙为同或运算，和分别为对比度线索类型相关的显著性预测和部件-整体关系相关的显著性预测； 步骤六、运用交叉熵误差函数和边界误差函数联合训练双分支目标检测网络； 步骤五具体包括： 步骤51、利用类型交互模块将对比度线索类型相关的显著性预测和部件-整体关系相关的显著性预测进行融合，得到类型交互模块的输出图；其中，融合的公式为： （5） 其中，表示全局平均池化，表示核大小为3×3的一维卷积，σ表示s型运算；和分别为对比度线索类型相关的显著性预测和部件-整体关系相关的显著性预测，表示类型交互模块的输出图； 步骤52、通过相同的融合方式得到类型交互模块的输出图和，将和进行融合卷积后并与进行融合卷积，得到最终的显著图。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人常州大学，其通讯地址为：213100 江苏省常州市武进区湖塘镇滆湖中路21号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。